論文の概要: A GPU-based Hydrodynamic Simulator with Boid Interactions
- arxiv url: http://arxiv.org/abs/2311.15088v1
- Date: Sat, 25 Nov 2023 17:59:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-29 22:09:13.681373
- Title: A GPU-based Hydrodynamic Simulator with Boid Interactions
- Title（参考訳）: ボイド相互作用を持つGPUベース流体力学シミュレータ
- Authors: Xi Liu, Gizem Kayar, Ken Perlin
- Abstract要約: 実時間水メッシュ表面を再構成したスムーズな粒子流体力学(SPH)環境下での仮想エージェント挙動とナビゲーションをシミュレーションするために,DirectXのGPU計算シェーダを用いた流体力学シミュレーションシステムを提案する。
本システムは,水中航法や遠隔操作のための流体環境と相互作用するボイドエージェントの代わりに,強化ロボットエージェントに十分な汎用性を有する。
- 参考スコア（独自算出の注目度）: 6.356750384481682
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a hydrodynamic simulation system using the GPU compute shaders of
DirectX for simulating virtual agent behaviors and navigation inside a smoothed
particle hydrodynamical (SPH) fluid environment with real-time water mesh
surface reconstruction. The current SPH literature includes interactions
between SPH and heterogeneous meshes but seldom involves interactions between
SPH and virtual boid agents. The contribution of the system lies in the
combination of the parallel smoothed particle hydrodynamics model with the
distributed boid model of virtual agents to enable agents to interact with
fluids. The agents based on the boid algorithm influence the motion of SPH
fluid particles, and the forces from the SPH algorithm affect the movement of
the boids. To enable realistic fluid rendering and simulation in a
particle-based system, it is essential to construct a mesh from the particle
attributes. Our system also contributes to the surface reconstruction aspect of
the pipeline, in which we performed a set of experiments with the parallel
marching cubes algorithm per frame for constructing the mesh from the fluid
particles in a real-time compute and memory-intensive application, producing a
wide range of triangle configurations. We also demonstrate that our system is
versatile enough for reinforced robotic agents instead of boid agents to
interact with the fluid environment for underwater navigation and remote
control engineering purposes.
- Abstract（参考訳）: 本稿では,実時間水メッシュ表面再構成による平滑化粒子流体環境内における仮想エージェントの挙動とナビゲーションをシミュレーションするdirectxのgpu計算シェーダを用いた流体力学シミュレーションシステムを提案する。
現在のSPH文献にはSPHと異種メッシュの相互作用が含まれているが、SPHと仮想結合剤の相互作用はめったにない。
このシステムの貢献は、平行な滑らかな粒子流体力学モデルと、エージェントが流体と相互作用できるようにするための仮想エージェントの分散ボイドモデルの組み合わせにある。
ボイドアルゴリズムに基づくエージェントは、SPH流体粒子の運動に影響を与え、SPHアルゴリズムからの力はバイドの運動に影響を及ぼす。
粒子系における現実的な流体のレンダリングとシミュレーションを実現するためには、粒子の属性からメッシュを構築することが不可欠である。
また, パイプラインの表面再構成にも寄与し, 実時間計算およびメモリ集約アプリケーションにおける流体粒子からのメッシュ構築のための並列進行立方体アルゴリズムを用いて, 広範囲な三角形構成を生成する実験を行った。
また,本システムは,水中航法および遠隔操作工学目的の流体環境と相互作用するボイドエージェントの代わりに,強化ロボットエージェントに十分汎用性があることを実証した。
関連論文リスト
- GauSim: Registering Elastic Objects into Digital World by Gaussian Simulator [55.02281855589641]
GauSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。
我々は連続体力学を活用し、各カーネルを連続体としてモデル化し、理想化された仮定なしに現実的な変形を考慮に入れた。
ガウシムは質量や運動量保存などの明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文 参考訳（メタデータ） (2024-12-23T18:58:17Z) - A Pioneering Neural Network Method for Efficient and Robust Fluid Simulation [4.694954114339147]
本研究では,複雑な環境下での流体シミュレーションを効率的かつ堅牢に行うために設計された,最初のニューラルネットワーク手法を提案する。
このモデルは、そのような複雑なシナリオで流体粒子力学を安定にモデル化できる最初のモデルでもある。
既存のニューラルネットワークに基づく流体シミュレーションアルゴリズムと比較して、高速な計算速度を維持しながら精度を大幅に向上させた。
論文 参考訳（メタデータ） (2024-12-14T08:31:56Z) - A Geometry-Aware Message Passing Neural Network for Modeling Aerodynamics over Airfoils [61.60175086194333]
空気力学は航空宇宙工学の重要な問題であり、しばしば翼のような固体物と相互作用する流れを伴う。
本稿では, 固体物体上の非圧縮性流れのモデル化について考察する。
ジオメトリを効果的に組み込むため,メッシュ表現に翼形状を効率よく,かつ効率的に統合するメッセージパッシング方式を提案する。
これらの設計選択は、純粋にデータ駆動の機械学習フレームワークであるGeoMPNNにつながり、NeurIPS 2024 ML4CFDコンペティションで最優秀学生賞を受賞し、総合で4位となった。
論文 参考訳（メタデータ） (2024-12-12T16:05:39Z) - Gaussian Splashing: Unified Particles for Versatile Motion Synthesis and Rendering [41.589093951039814]
立体と流体の物理アニメーションを3Dガウススティング(3DGS)と統合し、3DGSを用いて再構成された仮想シーンにおける新たな効果を創出する。
我々のフレームワークは動的流体上の表面ハイライトを現実的に再現し、新しいビューからシーンオブジェクトと流体間の相互作用を容易にする。
論文 参考訳（メタデータ） (2024-01-27T06:45:22Z) - Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。
我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
論文 参考訳（メタデータ） (2023-05-21T03:51:03Z) - SURFSUP: Learning Fluid Simulation for Novel Surfaces [28.90974131540538]
署名された距離関数(SDF)を用いて暗黙的にオブジェクトを表現するフレームワークであるSURFSUPを紹介する。
この連続的な幾何学表現は、長期間にわたって流体-物体相互作用のより正確なシミュレーションを可能にする。
流体の流れを操作できるシンプルな物体を設計するために、我々のモデルを逆向きに設計できることを示します。
論文 参考訳（メタデータ） (2023-04-13T00:17:38Z) - Inferring Fluid Dynamics via Inverse Rendering [37.87293082992423]
人間は、そのようなシーンを垣間見るだけで、流体が落ちるような物理的な過程について、非常に直感的に理解することができる。
この研究は、アノテーションのないビデオから学習した写真から流体への再構成機能を実現する。
論文 参考訳（メタデータ） (2023-04-10T08:23:17Z) - FluidLab: A Differentiable Environment for Benchmarking Complex Fluid
Manipulation [80.63838153351804]
複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。
私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。
微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
論文 参考訳（メタデータ） (2023-03-04T07:24:22Z) - Transformer with Implicit Edges for Particle-based Physics Simulation [135.77656965678196]
Implicit Edges (TIE) を用いたトランスフォーマーは、素粒子相互作用のリッチなセマンティクスをエッジフリーでキャプチャする。
様々な複雑さと素材の多様な領域におけるモデルの評価を行った。
論文 参考訳（メタデータ） (2022-07-22T03:45:29Z) - Fast Aquatic Swimmer Optimization with Differentiable Projective
Dynamics and Neural Network Hydrodynamic Models [23.480913364381664]
水面移動(Aquatic locomotion)は、生物学者や技術者が関心を持つ古典的な流体構造相互作用(FSI)問題である。
本研究では, 変形可能なスイマーの固体構造に対する2次元数値シミュレーションを組み合わせた, FSI に完全微分可能な新しいハイブリッド手法を提案する。
2次元キャランギフォームスイマーにおけるハイブリッドシミュレータの計算効率と微分性を示す。
論文 参考訳（メタデータ） (2022-03-30T15:21:44Z) - NeuroFluid: Fluid Dynamics Grounding with Particle-Driven Neural
Radiance Fields [65.07940731309856]
深層学習は流体のような複雑な粒子系の物理力学をモデル化する大きな可能性を示している。
本稿では,流体力学グラウンドリング(fluid dynamics grounding)として知られる,部分的に観測可能なシナリオについて考察する。
我々はNeuroFluidという2段階の異なるネットワークを提案する。
初期形状、粘度、密度が異なる流体の基礎物理学を合理的に推定することが示されている。
論文 参考訳（メタデータ） (2022-03-03T15:13:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。